Studie zeigt: Vorausschauende Instandhaltung steht vor großer Zukunft
Predictive Maintenance setzt sich aufgrund der Fortschritte in der Digitalisierung allmählich durch. Die noch bestehenden technischen Hürden gelten als überwindbar. Erste messbare Erfolge geben geben den Anwendern Aufwind.
Maintenance-Dashboard: Mit maßgeschneiderten Prognosemodellen können Unternehmen im Idealfall den technischen Zustand ihrer Produktionsmaschinen zuverlässig überwachen und Kosten sparen. Grafik: BearingPoint
Predictive Maintenance (zu Deutsch: Prädiktive Instandhaltung) gilt als eine der Kernkomponenten von Industrie 4.0. Sie „lernt“ von bereits früher erhobenen und von in Echtzeit verfügbaren, instandhaltungsrelevanten Daten (Stichwort: Condition Monitoring). Dadurch wird im Idealfall eine Vorhersage zukünftiger Ereignisse möglich. Kostenintensive Folgeschäden lassen sich abwenden; Ausfallzeiten werden reduziert. Die Prognosen machen zudem bedarfsorientierte Planungen von Service- und Wartungsaktionen möglich. Das maximiert die Verfügbarkeit von einzelnen Maschinen und sogar von ganzen Anlagen.
Eine aktuelle Studie der Management- und Technologieberatung BearingPoint zeigt: Beim Nutzungsgrad hat sich in jüngster Zeit viel getan. Inzwischen ist bereits jedes dritte Unternehmen in Sachen Predictive Maintenance aktiv hat Projekte über die Pilotphase hinweg umgesetzt. Noch vor drei Jahren war es nur etwa jedes vierte Unternehmen.
Instandhaltung ist anspruchsvoll und „Chefsache“
Die Anforderungen an die Instandhaltung von Anlagen und Maschinen haben sich gewandelt. Lange Zeit wurden Wartungsaufgaben als „Kostenfaktor“ und „notwendiges Übel“ wahrgenommen. In Zeiten zunehmender Digitalisierung ändert sich das. Eine aktuelle Umfrage von BearingPoint bei über 200 Unternehmen aus den Bereichen Maschinenbau, Chemie/Pharma und der Automobilindustrie ergab, dass sich 75 Prozent der befragten Unternehmen aktiv mit dem Thema auseinandersetzen.
Bereits die Hälfte der Befragten hat (Pilot-)Projekte erfolgreich umgesetzt. Auf Basis der Einschätzung der Experten konnten folgende positive Ergebnisse erzielt werden: Maschinen- und Anlagenstillstandszeiten ließen sich um 18 Prozent, Wartungs- und Servicekosten um 17 Prozent verringern. Die Ersatzteilbestände wurden um durchschnittlich 13 Prozent reduziert. Nur 4 Prozent der Unternehmensverantwortlichen ist dabei der Meinung, die möglichen Potenziale schon komplett ausgeschöpft zu haben. Ein weiterer positiver Aspekt: Die erzielten Resultate übertreffen oftmals sogar den erwarteten Nutzen. Die Ergebnisse haben auch einen messbaren Einfluss auf die Unternehmensentwicklung: Bei den befragten Firmen nahm der Umsatz in den ein bis zwei Jahren nach Umsetzung der Projekte um 10 Prozent zu.
Herausforderungen sind derzeit IT-Security und Datentechnik
Auf Basis der bereits umgesetzten Maßnahmen und der daraus gewonnenen Erfahrungen werden als technische Hürden die IT-Sicherheit, die Auswahl und Verfügbarkeit der Daten sowie die Anwendung statistischer Methoden angesehen. Im Vergleich zur Umfrage 2017 waren die Probleme jetzt zwar etwas geringer. Dennoch bleiben die IT-Sicherheit (44 Prozent), die IT-Infrastruktur (42 Prozent) sowie die Auswahl und Verfügbarkeit der Daten (41 Prozent) die Top 3-Herausforderungen bei der Umsetzung von Predictive-Maintenance-Projekten. In der Vergangenheit war als wichtige Problematik zudem der hohe Implementierungsaufwand eingeschätzt worden. Dies ist nach wie vor die größte „nicht-technische“ Herausforderung und liegt mit 39 Prozent an vierter Stelle.
Als Erfolgsfaktor gilt jetzt die abteilungsübergreifende Zusammenarbeit
Die wichtigsten Erfolgsfaktoren für die Implementierung von Predictive Maintenance haben sich in den letzten drei Jahren gewandelt. Denn es wurden bereits zahlreiche Vorhaben umgesetzt, die den Fokus auf „Sensorik, Vernetzung & Integration“ sowie „IT-Infrastruktur“ hatten. Erste Erfahrungen und Know-how zum Thema konnte in den Firmen inzwischen aufgebaut werden, sodass die gezielte Kompetenzentwicklung nur noch von 42 Prozent als (sehr) wichtig eingestuft wird (2017 waren es noch 72 Prozent). Heute stehen vor allem Faktoren wie die abteilungsübergreifende Zusammenarbeit im Unternehmen (58 Prozent), die IT-Sicherheit (56 Prozent) und die Verfügbarkeit von (Echtzeit-)Daten (55 Prozent) im Fokus.
„Die technischen Hürden der Maschinenanbindung im Umfeld der Predictive-Maintenance-Projekte scheinen überwunden worden zu sein. Erste messbare Erfolge geben den anwendenden Unternehmen weiterhin Aufwind. Entscheidend ist, dass entsprechende Projekte als Teil einer unternehmensweiten digitalen Transformation gesehen werden – und vor allem, dass die Veränderungen aus der Führungsebene heraus vorgelebt werden“, resümiert Frank Duscheck, Partner für Maintenance & Service Management bei BearingPoint und Experte für Industry 4.0 / IoT. Das unabhängige Beratungsunternehmen stellt unter anderem Software-Lösungen für eine erfolgreiche digitale Transformation bereit.
Die gesamte Studie kann hier nachgelesen werden.
Das könnte Sie auch interessieren:
Wie Künstliche Intelligenz Einzug in den Fertigungsprozess hält
Entwicklungspartner stellen IoT-Lösungen für das Service-Geschäft vor
